• 问答
  • 技术
  • 实践
  • 资源
OpenVINO 实时人脸表面 3D 点云提取
技术讨论
本文转自|OpenCV学堂


人脸3D点云提取网络

image.png

2019出现的一个可以在移动端实时运行的人脸3D表面提取模型-FaceMesh,被很多移动端AR应用作为底层算法实现人脸检测与人脸3D点云生成。相关的论文标题为:

《Real-time Facial Surface Geometry from Monocular Video on Mobile GPUs》

github有pytorch版本的实现地址如下:

https://github.com/thepowerfuldeez/facemesh.pytorch

已经提供了预训练模型文件pth,可以用Netron打开查看。它的输入与输出显示截图如下:

image.png

图-2

最终输出的点云数据是468个3D坐标人脸点云坐标,输入人脸的ROI区域,大小为192x192。使用Pytorch支持的脚本可以把该模型转换为ONNX格式模型,转换的脚本与代码如下:

from facemesh import FaceMesh

这样我们就得到了ONNX版本的模型文件。

OpenVINO调用facemesh模型

OpenVINO2020.x版本以后均支持直接读取ONNX格式模型文件,实现模型加载与推理调用。这里以OpenVINO2021.2版本为例。我们的基本思路是首先通过OpenVINO自带的人脸检测模型实现人脸检测,然后截取人脸ROI区域再送到facemesh模型中实现人脸3D表面点云468个点提取。人脸检测这里我们选择了OpenVINO自带的face-detection-0202模型文件,该模型是基于MobileNet SSDv版本,输入格式如下:

NCHW = 1x3x384x384

输出格式为:

1x1xNx7

通道的顺序是:BGR

从图-2得知人脸3D点云提取模型facemesh的输入格式为1x3x192x192,输出层有两个分别是preds与confs,其中preds是点云数据,confs表示置信度。preds的1404表示的是468个点每个点的三维坐标,总计468x3=1404。代码演示部分的步骤与运行结果详解说明与步骤。加载模型与获取输入与输出信息:

# 加载人脸检测模型net = ie.read_network(model=model_xml, weights=model_bin)input_blob = next(iter(net.input_info))out_blob = next(iter(net.outputs))# 人脸检测的输入格式n, c, h, w = net.input_info[input_blob].input_data.shapeprint(n, c, h, w)exec_net = ie.load_network(network=net, device_name="CPU")# 加载人脸3D点云预测模型face_mesh_onnx = "facemesh.onnx"mesh_face_net = ie.read_network(model=face_mesh_onnx)# 输入格式em_input_blob = next(iter(mesh_face_net.input_info))en, ec, eh, ew = mesh_face_net.input_info[em_input_blob].input_data.shapeprint(en, ec, eh, ew)em_exec_net = ie.load_network(network=mesh_face_net, device_name="CPU")

人脸检测与获取人脸ROI然后提取人脸3D点云数据,然后显示:

# 设置输入图像与人脸检测模型推理预测image = cv.resize(frame, (w, h))image = image.transpose(2, 0, 1)inf_start = time.time()res = exec_net.infer(inputs={input_blob: [image]})ih, iw, ic = frame.shaperes = res[out_blob]# 解析人脸检测,获取ROIfor obj in res[0][0]:    if obj[2] > 0.75:        xmin = int(obj[3] * iw)        ymin = int(obj[4] * ih)        xmax = int(obj[5] * iw)        ymax = int(obj[6] * ih)        if xmin < 0:            xmin = 0        if ymin < 0:            ymin = 0        if xmax >= iw:            xmax = iw - 1        if ymax >= ih:            ymax = ih - 1        # 截取人脸ROI,提取3D表面点云数据        roi = frame[ymin:ymax, xmin:xmax, :]        roi_img = cv.resize(roi, (ew, eh))        roi_img = np.float32(roi_img) / 127.5        roi_img = roi_img.transpose(2, 0, 1)        em_res = em_exec_net.infer(inputs={em_input_blob: [roi_img]})        # 转换为468个3D点云数据, 然后显示        prob_mesh = em_res["preds"]        prob_mesh= np.reshape(prob_mesh, (-1, 3))        cv.rectangle(frame, (xmin, ymin), (xmax, ymax), (0, 255, 255), 2, 8)        sx, sy= ew / roi.shape[1], eh / roi.shape[0]        for i in range(prob_mesh.shape[0]):            x, y = int(prob_mesh[i, 0] / sx), int(prob_mesh[i, 1] / sy)            cv.circle(frame, (xmin + x, ymin + y), 1, (0, 0, 255), 1)# 计算帧率与显示点云结果inf_end = time.time() - inf_startcv.putText(frame, "infer time(ms): %.3f, FPS: %.2f" % (inf_end * 1000, 1 / inf_end), (10, 50),           cv.FONT_HERSHEY_SIMPLEX, 1.0, (255, 0, 255), 2, 8)cv.imshow("Face Detection + 3D mesh", frame)

运行显示结果如下:

image.png

image.png


英特尔OpenVINO™视频课程 免费学习 +(中级)认证地址:https://www.cvmart.net/list/OV2020

(免费算力+openvino项目实操 — 英特尔官方权威认证证书+丰厚礼品+视频实操教程)

  • 0
  • 0
  • 214
收藏
暂无评论
OpenVINO
大咖

英特尔 · 算法工程师

  • 4

    关注
  • 7

    获赞
  • 0

    精选文章
近期动态
  • OpenVINO工具套件是由英特尔®公司提供,赋能开发者快速开发高性能计算机....
文章专栏
  • OpenVINO™技术专题分享